cheat-bump

name	cheat-bump
description	提议并执行 rubric 或 bucket 升级。两种模式：**完整 rubric bump**（最高风险动作，5 步强制 + 跨模型审核）和 **--bucket-only 轻量重校**（只换 bucket 边界，不动 rubric 公式）。**Phase 2 强制走 cheat-score-blind sub-agent 给校准池重打分**——不接受 self-scored fallback。触发词："升级 rubric"/"bump rubric"/"更新公式"/"我想加一个维度"/"调整权重"/"重校桶"/"recalibrate bucket"。
argument-hint	--propose "<...>" | --bucket-only [--scheme ratio|absolute|percentile]
allowed-tools	Bash(*), Read, Write, Edit, Glob, Grep, Skill, Task, mcp__llm-chat__chat

/cheat-bump — Rubric / Bucket 升级

两种模式：

模式	触发	做什么	验证强度
完整 rubric bump	--propose "<新公式>"	改公式 / 维度 / 权重	5 步 + 跨模型审核（强制）
bucket-only 重校	--bucket-only	只重新派生 bucket 边界	数据自动派生，无审核

完整 rubric bump 严格遵守 shared-references/bump-validation-protocol.md 的 5 步。bucket-only 走轻量路径——见下方 Phase B。

Overview

入口：用户触发 /cheat-bump
  ↓
[Phase A0: 检测调用模式]
  ↓
  ├─ --bucket-only  →  [Phase B: 轻量 bucket 重校]
  └─ --propose      →  [Phase 0~6: 完整 rubric bump]

Phase A0: 调用模式分流（先做）

读用户参数：

• 含 --bucket-only → 走 Phase B（轻量重校）
• 含 --propose "<...>" → 走 Phase 0~8（完整 rubric bump）
• 都没有 → 询问用户："你想做什么？1) 调 rubric 公式 / 加减维度 → --propose；2) 只重新派生 bucket 边界 → --bucket-only"

如果用户说"我觉得 ER 太低了想调"→ 是 --propose 路径。 如果用户说"我账号长大了，bucket 不准了"→ 是 --bucket-only 路径。 两条路径不能混调——一次操作只做一种事。

---

完整 rubric bump 流程

[用户：升级 rubric --propose "ER×1.5→2.0，砍 NA，加 MS"]
  ↓
[Phase 0: 前置门槛检查]
  ↓
[Phase 1: 写出新公式完整方程]
  ↓
[Phase 2: 校准池全量重打分]
  ↓
[Phase 3: 计算排序一致性]
  ↓
[Phase 4: 跨模型独立审核（强制）]
  ↓
[Phase 5: 落地 + cleanup pass]
  ↓
[Phase 6: 更新所有校准样本的 prediction 文件底部追加 Re-scored 行]

Constants

• READINESS_HEURISTIC —
  • 默认参考：校准池 ≥ 5 样本 + 至少 1 个跨样本观察有 ≥3 样本支持
  • 但 Claude 可以提议 bump（即使样本少）如果观察信号特别强：
    • N=3 但出现完全推翻当前 rubric 假设的强反例（composite 8.5 vs 实绩 5w 这种 ≥3x 偏差）
    • 1 篇出现单点但极强的现象（如评论区出现 ≥2000 赞的单一模因）
  • Claude 也可以拒绝 bump（即使样本足）如果证据弱：
    • N=10 但观察都是低置信度的零碎 pattern，无清晰方向
    • 用户复盘时大量"随便看了下"的非严肃判断
  • 写在 prediction header 或 cheat-bump 输出时必说明：本次提议是 default-aligned 还是 judgment-driven，给用户审视依据
• THRESHOLD = 0.8 — 新排序与实绩排序一致性阈值（4/5）。这条写死——bump 验证的统计刚性
• CROSS_MODEL_AUDIT = true — 调外部 LLM 独立审核。false 仅用于离线
• REQUIRE_CONFIRM = true — 落地前要求用户明确"yes, bump"

Inputs

必填	来源
--propose 文本	用户参数；缺失则询问
rubric_notes.md	用户项目根
predictions/*.md 全量	校准池数据
.cheat-state.json	状态

Workflow

Phase 0: 前置门槛检查

按 bump-validation-protocol.md 的"何时禁止"段，逐项检查：

检查	失败处理
校准池总样本数 vs 观察强度	Claude 判断——按 READINESS_HEURISTIC：默认 ≥5 样本但允许特例（强反例 / 强模因）。如不满足默认，Claude 必须显式说明为什么仍然提议 bump（"虽然只 N=3 样本，但 X 这条出现 composite Y vs 实绩 Z，这是 W 倍偏差"），让用户审视
上次 bump 距今的新校准数 vs 观察成熟度	Claude 判断——默认建议 ≥3 篇新样本，但如果连续 3 篇都强证据指向同一方向 → 不必再等
in_progress_session == null	拒绝："你有 in-progress 预测未完成。先走完那条流程或清掉 state"
触发条件成立（系统性偏差 / 跨样本新观察 / 新维度证据足）	警告但不阻塞——询问用户为什么现在 bump

通过 → 进入 Phase 1。

Phase 1: 写出新公式完整方程

不能只接受用户的简短描述。把它展开为完整方程：

当前：v2  composite = (ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0
提议：v2.1  composite = (ER×2.0 + HP×1.5 + MS×1.5 + QL + SR + TS + SAT) / 9.0 × 2.0

变化总结：
- ER ×1.5 → ×2.0（升）
- SR ×1.5 → ×1.0（降）
- 新增 MS ×1.5（Memetic Shareability）
- 新增 TS ×1.0（Topic Shareability）
- 删除 NA（与 HP 重叠）
- 删除 AB（被 TS 替代）
- 归一化常数 8.5 → 9.0
- 公式总维度数：7 → 7（净变化 0）

如果用户的提议含糊（如"ER 权重提一点"）→ 询问具体数值，禁止自己猜。

Phase 2: 校准池全量重打分（强制走 blind sub-agent）

Glob predictions/*.md 中所有有完整复盘段的文件 → 校准池。

bump 是工具最高风险动作——所有重打必须走 cheat-score-blind sub-agent。inline 重打 = 主 Claude 已经看过实绩，rank 一致性变成 overfit 而非真信号。

强制约束

• 不接受 self-scored fallback——/cheat-predict 有 --skip-blind flag，但 /cheat-bump 没有。如果 Task tool 不可用 → abort bump，向用户报告"先解决 Task tool 再 bump"
• 不接受"我只重算 composite 不重打 dim" —— 即使新公式只调权重不加维度，每条 prediction 的所有 dim 都要由 sub-agent 重新审 script。理由：旧 dim 分本身可能是污染的；权重变了不能保证旧 dim 还成立

对每篇 prediction：

1. 解析 prediction 文件拿到对应 scripts/<id>.md 路径（从 Script Path header 字段）
2. 校验 script 文件存在 + hash 跟 header Script Hash 一致；不一致 → 警告（script 改过了）但仍 spawn sub-agent
3. 通过 Task tool spawn cheat-score-blind sub-agent：

   Spawn cheat-score-blind sub-agent.
   
   Input:
     script_path: <prediction header 的 Script Path>
     rubric_notes_path: rubric_notes.md
     sidecar_path: .cheat-cache/bump-rescores/<prediction-id>.json
   
   Task: 按 rubric_notes 当前公式（已是新版 vN+1）给 script 打分。
   返回严格 JSON。写 sidecar 文件用于 bump 主流程批量读取。
   
   不要读 state file / predictions/ / videos/ 任何其他文件。
   不要询问用户 —— 你没有用户。
   不要读这份 prediction 文件本身 —— 你只看 script + rubric。
   

4. 等 sub-agent 完成 → 读 sidecar JSON → 主流程用新公式算 composite
5. 写"重打表"到 .cheat-cache/bump-rescores.json（汇总）。每条 entry 标 blind: true —— bump phase 5 cleanup 时把这个字段连同新分数写到 prediction 文件的 Re-scored under v<N+1> 行

还污染没污染的诚实标注

即使走 sub-agent，仍有两类残余 contamination 要在 bump report 里诚实标注：

类型	来源	标注字段
模型 prior contamination	sub-agent 仍是 Claude，RLHF 共享	model_prior_warning: true（默认 true，不可关）
用户自己 rubric design bias	rubric_notes.md 是用户写的，自然 fit 自己内容	rubric_self_designed: true（默认 true，不可关）

这两条提示用户 channel C（跨模型 audit）的不可省。bump 报告末尾必印："上面的 rank 一致性是 channel A 内的一致性。最终决策必须等 channel C audit 通过。"

失败模式

症状	处理
某条 prediction 的 script 文件不见了	sub-agent skip 该条，主流程汇总报告"N 条因 script 缺失被排除"。如剩余有效池 < MIN_SAMPLES → abort bump
sub-agent 返回 refusal != null	重发 Task 最多 3 次；仍败 → 该条标 rescore_failed: true 排除出校准池
Task tool 整个不可用	abort bump，提示用户"Task tool 是 bump 的硬依赖。如真的离线环境，跑 /cheat-bump --bucket-only 走轻量分支"
sub-agent 输出含 contamination_signal	标 suspicious: true 但不排除——bump report 末尾列这些可疑条目让用户审

Phase 3: 计算排序一致性

每个样本：
  new_composite_rank: 用新公式排序的 rank
  actual_plays_rank: 用实际播放排序的 rank
  delta: |new_rank - actual_rank|

输出对照表：
| 样本 | composite (v2) | composite (v2.1) | rank (new) | actual | rank (actual) | delta |
|---|---|---|---|---|---|---|
| 仓鼠 | 9.41 | 9.55 | 1 | 124.8w | 1 | 0 |
| 停止期待 | 8.24 | 9.11 | 2 | 71.1w | 2 | 0 |
| 老板废话 | 7.65 | 8.11 | 4 | 39.6w | 3 | 1 |
| 求职悖论 | 8.47 | 7.56 | 5 | 16.8w | 4 | 1 |
| 谁问你了 | 8.24 | 7.00 | 6 | 11.7w | 5 | 1 |

排序一致性：4/5 在 |delta| ≤ 1
Pairwise no-regression：旧公式做对的所有 pair 在新公式下未颠倒 ✓

判定：

• 排序一致性 < THRESHOLD（默认 0.8） → 本地拒绝，转 Phase 4 之前明确报告失败
• pairwise 出现回归 → 本地拒绝

THRESHOLD 写死在协议里——不允许临时调低（那本身是另一个需要 bump 的元决策）。

Phase 4: 跨模型独立审核（强制，除非 escape hatch）

CROSS_MODEL_AUDIT=true（默认）：

调用 mcp__llm-chat__chat：

prompt:
你是一个独立审稿人。下面是一个内容创作者准备升级的 rubric 公式。
请独立判定两件事：
1. 排序一致性：新公式给样本的排序与实际表现排序，是否真的在 ≥80% 样本上一致？
2. 解释力：新公式相比旧公式，是否更好地解释了校准池的实绩分布？

数据：
旧公式：(ER×1.5 + SR×1.5 + HP×1.5 + QL + NA + AB + SAT) / 8.5 × 2.0
新公式：(ER×2.0 + HP×1.5 + MS×1.5 + QL + SR + TS + SAT) / 9.0 × 2.0

校准池：
[Phase 2 重打表的完整 JSON]

排序对照：
[Phase 3 表格的完整 JSON]

输出格式：
- 判定：PASS 或 REJECT
- 理由：≥100 字
- 关键风险：[如有，列出新公式的潜在问题]

收到外部 LLM 回复 → 解析判定。

判定逻辑：

• 本地 PASS + 外部 PASS → 通过，进入 Phase 5
• 本地 PASS + 外部 REJECT → 视为 REJECT。冲突意味着至少一方解读不稳定
• 本地 REJECT → 已在 Phase 3 终止
• mcp__llm-chat__chat 不可用 → 优雅降级到 CROSS_MODEL_AUDIT=false，state file 标 last_bump_self_audited: true

CROSS_MODEL_AUDIT=false：

• 仅依赖本地判定
• state file 持续标记，cheat-status 持续提示用户"这次 bump 是自审，建议配置 mcp__llm-chat__chat"

Phase 5: 落地 + cleanup pass

通过审核后，REQUIRE_CONFIRM=true → 询问用户："新公式 PASS 本地与外部审核。最后确认：执行 bump 落地？这会修改 rubric_notes.md + rubric-memo.md 并删除若干已被吸收的观察。回答 'yes, bump' 才执行。"

用户确认后：

5a. 更新 rubric_notes.md（只放通用语言，不含视频名 / 实绩）

• 顶部 metadata 更新：
  • **当前版本**: vN+1
  • **Last bumped at**: <ISO 8601>
  • **Upgrade memos**: 见 [rubric-memo.md](rubric-memo.md)（指针，不复制 Memo 内容）
• 版本速查表加一行（只含版本号 + 公式签名，不含证据样本）
• 更新"当前评分维度"段（删 NA / AB，加 MS / TS）
• 派生证据段 如新维度需要锚点解释 → 用通用语言：
  • ✅ 允许：「派生证据：高抽象密度样本 → CC=1 → 低 reach」
  • ❌ 禁止：「派生证据：「停止期待」CC=1 → 实绩 13.7w」（视频名 + 实绩 数字）
  • 命中违禁 pattern → 把该段抽到 rubric-memo.md 的"派生证据"子段，原位用通用语言替代

5b. 写 Memo 到 rubric-memo.md（append 模式，不覆盖历史）

按 bump-validation-protocol.md Step 5 + templates/rubric-memo.template.md 格式 append 一段 Memo 到文件末尾：

• 触发观察（含真实观察 ID）
• 证据数据（校准池重打表 + 排序对照，含真实视频名 + 实绩）
• 派生证据（含真实样本名 + 实绩）
• 诊断
• 新公式
• 跨模型审核结论引用（含模型名 + 判定 + 理由摘录）
• 已知局限

绝不覆盖 rubric-memo.md 已有内容——bump memo 按时间顺序累积。

5c. cleanup pass（按 observation-lifecycle.md 的"cleanup pass 强制时机"）

在 rubric_notes.md 内执行（不动 rubric-memo.md）：

• 已被吸收为新维度的观察 → 删（如观察 E 被吸收为 MS → 删观察 E）
• 被新数据推翻的观察 → 删
• 仍未解决的观察 → 迁移到新版本"待验证假设"段
• 已被验证的"规律"→ 移到"规律沉淀区"

5d. 整理 + 自检

• 重新读 rubric_notes.md 全文，确保读者能在 60 秒内理解当下规则——超出 600 行触发额外清算
• 自检 leak guard：对 rubric_notes.md 跑 grep -E '\\d+\\s*[wWmMkK万]|播放|实绩|实际' → 如有命中 → abort bump + 回滚，提示用户"rubric_notes.md 写入了违禁内容（实绩 / 播放数）"。这些内容应在 rubric-memo.md，不在 rubric_notes.md

Phase 6: 校准样本批量更新

对每个校准样本的 prediction 文件，底部追加（不动预测段、不动复盘段）：

---
**Re-scored under v2.1 on 2026-05-04**: composite=8.24 → 9.11 (blind: true)
（rubric bump 时全量重算，由 cheat-score-blind sub-agent 独立打分；详见 rubric-memo.md 的 v2 → v2.1 升级 Memo）

blind: true 字段必填——告诉未来读这条记录的人"这是 channel B 隔离打分，不是主 Claude 自评"。如果某条 prediction 在 Phase 2 因 sub-agent 失败被排除 → 不会有 Re-scored 行（保持原样）。

用 Edit 工具，匹配每个文件的最末尾。

Phase 7: 更新 state file

{
  "rubric_version": "v2.1",
  "last_bump_at": "<ISO timestamp>",
  "last_bump_self_audited": false,
  "consecutive_directional_errors": [],
  "calibration_samples_at_last_bump": <current value>
}

清空 consecutive_directional_errors——新 rubric 重新计数。

Phase 8: 控制台报告

✅ Rubric 已升级 v2 → v2.1

变化：
- ER ×1.5 → ×2.0
- SR ×1.5 → ×1.0
- 新增 MS / TS
- 删除 NA / AB

校准池重打：5/5 通过排序检查（4/5 一致 + 0 pairwise 回归）
跨模型审核：✅ PASS
Cleanup pass：删除观察 D 和 E（已吸收为 QL 重定义和 MS 维度）

下一篇预测起按 v2.1 公式打分。
所有历史预测文件已追加 Re-scored 标记。

---

Phase B：bucket-only 重校（轻量分支）

/cheat-bump --bucket-only [--scheme ratio|absolute|percentile]

与完整 bump 的本质区别：bucket 边界不是规则的一部分，是数据派生量。重新派生它不需要跨模型审核——派生算法是确定性的，没有"判断"成分。

B1: 选择算法（按可用样本数自动派生，state 不存 scheme）

算法	适用	边界派生方式
ratio（默认 N=1-4）	小样本	上一篇 / 最近 3 篇中位数 × {0.3 / 1 / 3 / 10 / 30}
absolute（默认 N=5-9）	中等样本	校准池中位数 × {0.3 / 1 / 3 / 10 / 30}，固定边界
percentile（默认 N≥10）	大样本	校准池实绩 percentile {30 / 60 / 85 / 95 / 100}

--scheme 参数允许用户显式覆盖默认：

• --scheme ratio 强制用 ratio（即使 N≥5）
• --scheme absolute 强制用 absolute
• --scheme percentile 强制用 percentile（要求 N≥3，否则报错）

未指定 --scheme → 按上表自动派生。

旧设计有 bucket_scheme state 字段——v1.1 删了。所有 skill 实时按 calibration_samples 派生算法，不需要持久化"当前用哪个"。这避免了"切换 scheme 后忘了同步"的状态不一致问题。

B2: 派生新边界

读 predictions/*.md 中所有有 actual_plays 的样本。

ratio 模式：

baseline = median(最近 3 篇 actual_plays)
buckets = {
  "退步": (-inf, baseline * 0.3),
  "持平": (baseline * 0.3, baseline * 1),
  "命中": (baseline * 1, baseline * 3),
  "小爆": (baseline * 3, baseline * 10),
  "大爆": (baseline * 10, +inf),
}

absolute 模式：

baseline = median(全部校准池 actual_plays)
buckets = {
  "底部": (-inf, baseline * 0.3),
  "基础盘": (baseline * 0.3, baseline * 1),
  "命中": (baseline * 1, baseline * 3),
  "爆款": (baseline * 3, baseline * 10),
  "现象级": (baseline * 10, +inf),
}

percentile 模式：

sorted_plays = sorted(全部校准池 actual_plays)
buckets = {
  "底部":   ≤ p30,
  "基础盘": p30 - p60,
  "命中":   p60 - p85,
  "小爆":   p85 - p95,
  "大爆":   ≥ p95,
}

B3: 报告变化 + 用户确认

当前 bucket scheme: ratio
proposed scheme: absolute
baseline: 4.2w 中位数（基于 5 篇校准样本）

新边界：
- 底部:   < 1.3w
- 基础盘: 1.3w - 4.2w
- 命中:   4.2w - 12.6w
- 爆款:   12.6w - 42w
- 现象级: > 42w

派生说明：
- 5 篇实绩：1.5w / 3.8w / 4.2w / 5.6w / 18w
- 中位数 4.2w，新桶按 ×{0.3, 1, 3, 10} 派生

确认应用？(yes / no)

B4: 落地

用户确认后：

1. 编辑 rubric_notes.md 的 "Bucket 方案" 段，替换为新表
2. 更新 .cheat-state.json 的 baseline_plays 字段（bucket scheme 不持久化——下次 cheat-predict 实时派生）
3. 在 rubric_notes.md 的 bucket 段顶部追加一行变更记录：v2 buckets recalibrated on YYYY-MM-DD: scheme=absolute, baseline=4.2w (基于 N=10 个样本)
4. 不修改任何 prediction 文件——历史预测的 bucket 标签保持原样（在该样本写入时的方案下做出的判断）

B5: 对未来预测的影响

下一次 /cheat-predict 起按新 bucket 派生。历史 prediction 文件里的 bucket 标签不重算——bucket 是预测时的语义判断，事后改写会破坏盲度。

Phase B 不做的事

• 不重打 composite（公式没变）
• 不重新审核观察段（rubric 没变）
• 不调跨模型审核（确定性派生无需判断）
• 不要求严格的样本数门槛（按 READINESS_HEURISTIC 由 Claude 判断；ratio 模式 N=1 就能跑）

---

Key Rules

1. 5 步不可跳（仅完整 rubric bump）。任何"先简化跑一下"的请求都拒绝
2. THRESHOLD 写死（仅完整 rubric bump）。不允许动态调整
3. 跨模型审核是默认（仅完整 rubric bump）。关闭审核需要在 state file 显式标记
4. cleanup pass 是 bump 的一部分（仅完整 rubric bump）。不允许 bump 完不清理观察段
5. REQUIRE_CONFIRM（两种模式都要）。最后落地前必须用户明确说 "yes, bump" 或 "yes, recalibrate"
6. bucket 重校不动历史预测。bucket 是预测时语义，事后改写破坏盲度

Refusals

• 「跳过校准池重打，直接换公式」 → 拒绝。原则 #2
• 「跳过 cheat-score-blind sub-agent，主 Claude 直接重打就行」 → 拒绝。bump 不接受任何 self-scored fallback——sub-agent 不可用 → abort bump，不接受"自审"
• 「跳过外部 LLM 审核」 → 仅当 CROSS_MODEL_AUDIT=false 显式设置
• 「这次 THRESHOLD 调到 3/5 让它过」 → 拒绝。改 THRESHOLD 是元层级 bump
• 「保留所有旧观察作为历史」 → 违反原则 #3
• 「先 bump，cleanup 下次再做」 → 拒绝。cleanup 是 bump 的一部分
• 「只重算 composite 不重打 dim」 → 拒绝。新权重 × 旧 dim 仍是旧污染。每个 dim 都由 sub-agent 重审 script
• 「把 Memo 全文写进 rubric_notes.md 顶部，方便我读」 → 拒绝。rubric_notes.md 是 blind sub-agent 白名单——含视频名 / 实绩 → 通过白名单泄漏。Memo 写 rubric-memo.md（白名单外），rubric_notes.md 只放公式 + 通用语言维度定义 + 指针
• 「派生证据段保留真实视频名，让 rubric 读起来更具体」 → 拒绝。在 rubric_notes.md 必须用通用语言（"高抽象密度样本"）；带视频名的派生证据写 rubric-memo.md

Integration

• 上游：/cheat-retro 检测到 ≥3 同向偏差 → 提议跑 /cheat-bump
• 依赖：mcp__llm-chat__chat（如配置）+ Task tool（spawn cheat-score-blind）
• 修改：
  • rubric_notes.md（结构性更新，绝不写真实视频名 / 实绩）
  • rubric-memo.md（新——append Memo 全文，含证据 + 派生证据）
  • 所有 predictions/*.md（追加 Re-scored 行，不动预测段）
  • .cheat-state.json
• 下游：下一篇 /cheat-predict 自动按新 rubric_version 打分